[发明专利]表计识别模型的学习方法、装置、设备和表计识别方法

说明书

本发明涉及表计识别模型的学习方法，包括采集多个表计样本图像，得到表计样本图像集，并将所述表计样本图像集按预设比例分为训练集、测试集和验证集；将所述训练集输入至语义分割网络中，采用误差反向传播算法对所述语义分割网络进行训练，得到训练模型；通过所述测试集对所述训练模型进行测试，得到所述训练模型的第一损失值，选取所述第一损失值小于第一预设损失阈值的训练模型作为验证模型，使用所述验证集对所述验证模型的准确率进行验证后，选取准确率最高的所述验证模型作为表计识别模型。本发明可提升表计识别模型的准确度。本发明还涉及表计识别模型的学习装置、设备和表计识别方法。

技术领域

本发明涉及信息采集技术领域，尤其涉及表计识别模型的学习方法、装置、设备和表计识别方法。

背景技术

随着电子信息技术高速发展，各行各业都在走向数字化和智能化的今天，利用现代化设备和识别算法，针对复杂的实际工业环境，实现自然场景下表计的智能读数并记录，以高效安全的方式代替落后的传统抄表方式有着非常重要的意义。在电力系统里，如何提升表计识别的准确度是目前亟需解决的技术问题。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供表计识别模型的学习方法、存储介质、设备和表计识别方法。

本发明解决上述技术问题的技术方案如下：

一种表计识别模型的学习方法，包括：

采集多个表计样本图像，得到表计样本图像集，并将所述表计样本图像集按预设比例分为训练集、测试集和验证集；

将所述训练集输入至语义分割网络中，采用误差反向传播算法对所述语义分割网络进行训练，得到训练模型；

通过所述测试集对所述训练模型进行测试，得到所述训练模型的第一损失值，选取所述第一损失值小于第一预设损失阈值的训练模型作为验证模型，使用所述验证集对所述验证模型的准确率进行验证后，选取准确率最高的所述验证模型作为表计识别模型。

本发明的有益效果是：提供表计识别模型的学习方法，通过采集表计样本图像作为训练集、测试集和验证集，将训练集输入至语义分割网络中，采用误差反向传播算法对语义分割网络进行训练，得到训练模型，根据所述语义分割网络的损失函数，使用测试集对训练模型进行测试，选取损失值小于预设损失阈值的训练模型作为验证模型，使用所述验证集对验证模型进行验证后，选取准确率最高的验证模型作为表计识别模型，可提升获取到的表计识别模型的准确度。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述将所述训练集输入至语义分割网络中，采用误差反向传播算法对所述语义分割网络进行训练，得到训练模型，具体包括：

将所述训练集中的表计样本图像输入所述语义分割网络中进行分割，得到分割图像；

通过人工标注所述训练集中的表计样本图像，得到标注图像；

基于所述标注图像和所述分割图像，确定第二损失值；

根据所述第二损失值调整所述语义分割网络的参数，对所述语义分割网络进行迭代训练，直到图像分割网络的第二损失值小于或等于第二预设损失阈值，或训练次数达到预设次数时，得到所述训练模型。

采用上述进一步方案的有益效果是：通过将训练集输入至语义分割网络中，采用误差反向传播算法对语义分割网络进行训练所得到的训练模型，提升所得到的训练模型的准确性。

进一步地，所述语义分割网络的损失函数是根据所述语义分割网络的交叉熵损失确定的。

进一步地，所述表计识别模型包括七个卷积层块，每个卷积层块包含两个卷积层、两个规范层和一个池化层。

本发明解决上述技术问题的另一种技术方案如下：